pandas dropna

pandas中的dropna()是一个用于滤除缺失数据的函数。它可以用来删除包含缺失值的行或列。在pandas中，缺失数据通常用NaN表示。通过使用dropna函数，我们可以轻松地从DataFrame中删除缺失值。该函数的默认行为是删除包含缺失值的行，可以通过指定axis参数为1或'columns'来删除包含缺失值的列。

例如，我们可以使用dropna函数来删除DataFrame中的缺失值。假设我们有一个包含三个列（"name"，"toy"和"born"）的DataFrame，其中包含一些缺失值。通过调用df.dropna()，我们可以删除包含缺失值的行。另外，我们也可以通过指定axis=1来删除包含缺失值的列。

此外，dropna函数还接受一个how参数，用于确定是否从DataFrame中删除包含缺失值的行或列。当至少有一个缺失值存在时，可以设置how参数为'all'以删除所有包含缺失值的行或列。如果设置how参数为'any'，则只要存在缺失值，就会删除相应的行或列。

总之，pandas的dropna函数是一个方便的方法，可以用来滤除缺失数据。它可以根据需要删除包含缺失值的行或列，并且可以通过how参数进一步控制删除的行为。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Pandas之Dropna滤除缺失数据的实现方法](https://download.csdn.net/download/weixin_38697063/13997589)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [pandas中dropna（）参数详解](https://blog.csdn.net/happy_wealthy/article/details/108576944)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [Python-pandas的dropna()方法-丢弃含空值的行、列](https://blog.csdn.net/qq_17753903/article/details/89817371)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]